核酸适配体（Aptamer）是一类短的单链 DNA 或 RNA 寡核苷酸，通过形成三维空间结构，靶向结合特定蛋白或者细胞发挥作用，其具有广泛优点，包括高度特异性、易于合成、可定制、热稳定性好、分子小、组织穿透能力强等。成为选择性靶向特定蛋白质或细胞以治疗多种疾病类型的新选择。
细胞表面蛋白是关键的疾病生物标志物和治疗靶点，然而，针对这些细胞表面蛋白进行原位核酸适配体筛选的高通量方法，仍然有限。
2026 年 1 月 1 日，中国科学院杭州医学研究所谭蔚泓院士、吴芩研究员等（罗国焰、宋佳为论文共同第一作者）在国际顶尖学术期刊 Science 上发表了题为：SPARK-seq: A high-throughput platform for aptamer discovery and kinetic profiling 的研究论文。
该研究开发了单细胞扰动驱动型核酸适配体识别与动力学测序技术——SPARK-seq，这是一个将单细胞 mRNA 测序、核酸适配体测序与基于 CRISPR 的细胞表面蛋白扰动技术相结合的高通量平台。在单次实验中，SPARK-seq 成功将 5535 种不同的核酸适配体与 8 种细胞表面蛋白进行匹配，捕获了跨越超过两个数量级的蛋白质丰度区间，并涵盖多种生物物理类型的相互作用。该方法能够区分高度相似的旁系同源蛋白且未检测到交叉反应，同时提供的动力学信息可用于优先筛选具有慢解离速率的核酸适配体。利用这种动力学多样性，研究团队成功设计出具有改进解离速率特性的核酸适配体变体。
总的来说，SPARK-seq 建立了一个高效发现和理性设计核酸适配体（Aptamer）及功能性核酸（functional nucleic acid，FNA）的平台，为诊断和治疗领域开启了全新可能。
细胞表面蛋白构成了临床可操作靶点的主体，对细胞通讯、信号转导和内环境稳态至关重要。然而，针对这些靶点生成高亲和力分子探针（例如核酸适配体）的方法仍显不足。现有技术通量低且常会破坏蛋白质的天然构象，导致多数靶点研究不充分，阻碍了基于核酸适配体的诊断技术和治疗方法的开发。
研究团队提出一种假设：通过将基于 CRISPR 的基因调控技术与单细胞多组学分析相结合的多模态方法，能够突破传统核酸适配体筛选技术的局限。通过在同一细胞内同步检测基因扰动、基因表达及蛋白质结合情况，研究团队开发出单细胞扰动驱动型核酸适配体识别与动力学测序技术——SPARK-seq。该平台可在天然细胞环境中实现核酸适配体-靶标相互作用的高通量绘制，其一体化设计不仅能有效识别低丰度靶标的结合分子，更将靶标发现与动力学分析直接耦合，从而加速精准分子工具的研发进程。研究团队运用 SPARK-seq 技术，通过将多重 CRISPR 基因敲除与单细胞 mRNA 及核酸适配体测序相结合，系统探究了核酸适配体与靶标的相互作用。经过四轮细胞-SELEX（通过指数富集配体系统进化）筛选后，研究团队对核酸适配体库进行了针对 13 种细胞表面蛋白 CRISPR 基因敲除的混合细胞群筛选。单细胞测序技术同步检测了 gRNA、转录组及核酸适配体结合事件，从而将遗传扰动与适配体结合谱系建立关联。
研究团队采用自主研发的计算流程——单细胞扰动核酸适配体识别与靶向核酸适配体生成算法——SPARTA，对 8466 个高质量单细胞数据进行分析，将前 10000 条独特核酸适配体序列聚类为 1906 个家族。通过差异结合分析，鉴定出靶向 8 种不同细胞表面蛋白的 5535 条核酸适配体序列。利用流式细胞术、表面等离子共振和微量热泳动等技术进行正交验证，证实了这些核酸适配体具有靶标特异性及纳摩尔级亲和力。该方法还成功解析了复杂结合模式，包括一个能识别 ITGA3/ITGB1 整合素的核酸适配体，以及可同时结合多个 PTPR 旁系同源蛋白的单一核酸适配体。SPARK-seq 技术优先富集了具有慢解离速率（koff）特性的适配体。在多个靶点中，结合差异倍数（-log2FC）与 koff 呈现强相关性（R²=0.8-0.9），但与平衡亲和力（KD）无关，这凸显了该平台能够筛选出具有延长靶标结合时间的核酸适配体——这一特性对治疗和诊断应用至关重要。基于这些数据，SPARTA 的卷积神经网络分类器在预测 PTK7 结合序列方面达到约 97% 的准确率，其生成模块还成功产生了具有更优动力学特性的功能性核酸适配体变体。
Spark-seq 用于核酸适配体的发现和变体设计：基于 CRISPR 的 Cell-SELEX 工作流程通过对照细胞和基因敲除细胞之间的差异结合来识别核酸适配体，随后通过单细胞测序对核酸适配体与靶标的相互作用进行大规模分析。然后，利用深度学习框架 SPARTA 预测并设计具有改进结合动力学的核酸适配体变体。总的来说，该研究开发的 SPARK-seq 是一个集成平台，它结合了 CRISPR 介导的遗传扰动、单细胞转录组学和基于序列的核酸适配体分析，并通过深度学习框架 SPARTA 进行增强。这项工作为“核酸适配体组学”（Aptomics）奠定了基础——这是一个多组学驱动的框架，能够大规模、测序驱动地解码核酸适配体结合特异性及靶标特性。通过将数百万个核酸适配体结合事件转化为锚定于遗传和转录状态的高维测序数据，SPARK-seq 实现了在数千个单个细胞中直接进行基因型-表型-配体映射。这种多模式策略拓展了检测低丰度及构象敏感性靶标的动态范围，在序列分辨率层面解析动力学和富集模式，并支持高特异性核酸适配体的快速、可扩展发现及理性优化，为先进的诊断和治疗应用铺平了道路。https://www.science.org/doi/10.1126/science.adv6127
